【摘要】：空间关联规则算法研究重在高效、准确地发现并获取多种形式的规则。利用既有的空间关联规则的挖掘算法可以挖掘出相应的规则。综合现有文献对关联规则的研究发现：现有的各种空间关联规则挖掘算法大致可分为搜索算法、层次算法、数据集划分算法、抽样算法等。由于空间关联规则的挖掘需要在大量的空间对象中计算多种空间关系，因此其代价很高。
空间关联规则算法研究重在高效、准确地发现并获取多种形式的规则。利用既有的空间关联规则的挖掘算法可以挖掘出相应的规则。空间关联规则的获取比较有效的方法有：传统的知识工程技术，典型方法包括与专家会谈、通过已知内容学习、通过观察学习(高文秀，2004)；资料的分析；机器学习人工神经元网络智能增强法(amplified Intelligence)。在实际应用中常需要上述多种方法联合以最大限度地获取所需的知识(Weibel，1995)。如果将传统的方法应用到土地信息领域，则必须对传统的知识工程方法进行精炼和扩展。
综合现有文献对关联规则的研究发现：现有的各种空间关联规则挖掘算法大致可分为搜索算法、层次算法、数据集划分算法、抽样算法等。虽然这些算法是针对非空间数据挖掘提出的，但是可以在进行扩展后应用到空间数据挖掘中。由于空间关联规则的挖掘需要在大量的空间对象中计算多种空间关系，因此其代价很高。一种逐步求精的挖掘优化方法可用于空间关联的分析，该方法首先用一种快速的算法，粗略地对一个较大的数据集进行一次挖掘，然后在裁减过的数据集上用代价较高的算法进一步改进挖掘的质量。因为其代价非常高，所以空间的关联方法需要进一步优化。国内外学者对空间关联规则挖掘已经开展了相关的研究工作，在基础理论和应用上取得了一定的成果，使得以空间数据库为中心的规则挖掘成为可能，如空间元规则、空间泛化、空间聚类和关联等。知识的形式化表达方法有多种，本章采用扩展的概念格理论方法，建立用于土地利用的规则应用模式。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
